cover
Article Per Year (5 Year)
All
Home Page
OAI Link
Editorial Team
Contact
Reviewer
Google Scholar
Contact Name
Dr. Ermatita, M.Kom
Contact Email
wayan.widi@upnvj.ac.id
Phone
-
Journal Mail Official
wayan.widi@upnvj.ac.id
Editorial Address
-
Location
Kota depok,
Jawa barat
INDONESIA
Informatik : Jurnal Ilmu Komputer
Published by Universitas Pembangunan Nasional Veteran Jakarta
ISSN : 02164221     EISSN : 2655139X     DOI : -
Core Subject : Science,
Computer Science & IT
Informatik menerima artikel ilmiah dengan area penelitian pada area Internet Business & Application, Networking & Cyber Security, Statistics & Computation, Elearning & Multimedia, Robotics & Intelligene.
Arjuna Subject : -
Articles 5 Documents
 1 
Search results for , issue "Vol 20 No 3 (2024): Desember 2024" : 5 Documents clear
Pemanfaatan Citra Satelit MODIS untuk Pengambilan Data Suhu Permukaan Tanah pada Provinsi Banten Hananto, Bayu; Sandya Prasvita, Desta; Nindyasari, Ratih
Informatik : Jurnal Ilmu Komputer Vol 20 No 3 (2024): Desember 2024
Publisher : Fakultas Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52958/iftk.v20i3.10501

Abstract

Studi ini dilatarbelakangi oleh kebutuhan untuk memahami distribusi dan variasi suhu permukaan tanah di Provinsi Banten yang dapat berdampak pada pengelolaan lingkungan dan mitigasi perubahan iklim. Metode yang diusulkan dalam studi ini adalah penggunaan data citra satelit MODIS (Moderate Resolution Imaging Spectroradiometer) dari produk MOD11A2 yang diproses melalui platform Google Earth Engine (GEE). Data administrasi wilayah diambil dari Global Administrative Areas (GADM) untuk pemetaan yang lebih spesifik. Pengujian dilakukan dengan menganalisis data suhu permukaan tanah (Land Surface Temperature atau LST) dari tahun 2013 hingga 2023 di berbagai kabupaten dan kota di Provinsi Banten. Hasil pengujian menunjukkan adanya variasi signifikan dalam perolehan data citra antar kabupaten atau kota dengan total citra yang diperoleh adalah 3430, dengan Pandeglang tercatat memperoleh total 497 citra dan Kota Tangerang tercatat total terendah dengan 324 citra. Sedangkan perolehan citra pada tahun 2019 sebanyak 338 citra, dan tahun 2016 memperoleh citra paling sedikit yaitu 282. Dalam studi ini membuktikan efektivitas penggunaan dari GEE dalam pengolahan dan visualisasi data satelit serta memberikan rekomendasi penting untuk pengelolaan sumber daya alam dan mitigasi perubahan iklim di wilayah Banten.
Perbandingan Hasil Penerapan Algoritma Klasifikasi Dan Natural Language Processing Terhadap Data Kepuasan Pengguna Layanan Transportasi Umum MRT Jakarta Nufail Pribadi, Muhammad Nabil; Ernawati, Iin
Informatik : Jurnal Ilmu Komputer Vol 20 No 3 (2024): Desember 2024
Publisher : Fakultas Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52958/iftk.v20i3.10502

Abstract

MRT Jakarta merupakan salah satu upaya pemerintah DKI Jakarta untuk mengatasi kemacetan. Selama masa operasinya, MRT Jakarta memberikan berbagai macam kesan bagi penggunanya. Oleh karena itu, dilakukan penelitian klasifikasi terhadap kepuasan pengguna layanan transportasi umum MRT Jakarta untuk mengetahui alasan yang menyebabkan masyarakat bersedia atau enggan memilih untuk memanfaatkan sarana transportasi MRT Jakarta, melalui media sosial X, memanfaatkan natural language processing dan algoritma Support Vector Machine, algoritma Random Forest Classifier, serta algoritma Logistic Regression multinomial. Data berjumlah sebanyak 525 post, dengan kategori ‘positif’ sebanyak 222 data, kategori ‘negatif’ sebanyak 185 data, dan kategori ‘netral’ sebanyak 118 data. Dengan pembagian dataset berdasarkan perbandingan 80:20, model klasifikasi dengan hasil paling akurat pada penelitian ini, dengan algoritma Random Forest Classifier, menggunakan parameter terbaik yang diperoleh melalui teknik hyperparameter tuning, dengan nilai class_weight='balanced', max_depth=350, min_samples_split=5, serta n_estimators=200, menghasilkan nilai akurasi sebesar 81%, serta berhasil secara akurat memprediksi seluruh sampel data baru berdasarkan target kelasnya.
Analisis Sentimen Terhadap Aplikasi Mitra Darat Menggunakan Algoritma Naive Bayes Classifier dan K-Nearest Neighbor Wijaya, Ananda; Rivaldo, Mario; Pribadi, Muhammad Rizky
Informatik : Jurnal Ilmu Komputer Vol 20 No 3 (2024): Desember 2024
Publisher : Fakultas Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52958/iftk.v20i3.7967

Abstract

Industri transportasi sekarang menjadi elemen penting seiring dengan berkembangnya jaman terutama untuk generasi muda sekarang. Mitra Darat sendiri juga salah satu dari industri tersebut. Aplikasi yang memungkinkan untuk pengguna dengan mudah mengetahui jadwal keberangkatan bus yang akan mereka tumpangi dimana pun dan kapan pun di perangkat seluler mereka. Ulasan pasti diberikan untuk setiap aplikasi yang tersedia baik positif dan negatif. Dengan ini, kami mencoba melakukan penelitian analisis sentimen untuk aplikasi Mitra Darat melalui ulasan komentar dari google play store agar kami dapat mengidentifikasi sentimen yang terkait dengan penggunaan aplikasi Mitra Darat, serta memberikan wawasan beharga kepada penyedia layanan transportasi darat untuk memahami pandangan pengguna dan meningkatkan pelayanan pengguna dari hasil analisis sentimen kami. Algoritma yang digunakan kami ialah KNN dan NBC. Kedua algoritma ini sudah umum digunakan oleh banyak orang karena keahlian dalam mengklasifikasi data analisis sentimen dan juga popular di kalangan peneliti. Bedasarkan hasil pengujian kami bisa disimpulkan untuk model analisis sentimen kami yang dirancang menggunakan algoritma NB menampilkan performa akurasi lebih tinggi dibandingkan KNN. Akurasi model NB mencapai 99,28%, sedangkan KNN mendapatkan akurasi sebesar 80%. Ini menunjukkan bahwa algoritma naïve bayes lebih cocok digunakan untuk mendapatkan keakuratan yang maksimal dibandingkan menggunakan k-nearest neighbor.
Analisis Forensik Dengan Menerapkan Metadata Dan Hash Studi Kasus Pada Rekaman Video Anjelina, Redina; P, Noviyanti
Informatik : Jurnal Ilmu Komputer Vol 20 No 3 (2024): Desember 2024
Publisher : Fakultas Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52958/iftk.v20i3.8770

Abstract

Penerapan metadata dan hash dalam analisis forensik sangat diperlukan dalam menentukan keaslian dari file rekaman video. Metadata merupakan hasil dari suatu informasi yang menyimpan suatu data terkait dengan informasi dari data yang di analisis yaitu dengan melakukan identifikasi dengan membedakan dari video yang dianalisis sedangkan Hash merupakan salah satu ilmu yang digunakan dalam mengubah informasi, jadi data yang diinput nantinya akan berubah menjadi kombinasi antara angka, huruf atau ada karakter lain yang juga terenkripsi dari sebuah file. Tools yang digunakan untuk menganalisis dan menentukan keaslian file yaitu tools forevid. Tools forevid dapat digunakan dalam menentukan keaslian file hash dan metadata dari video, dalam penggunaan tools forevid ini memperlihatkan dua file rekaman video asli dan video editan untuk dianalisis setelah itu akan dilakukan perbandingan yang bertujuan untuk mengetahui apakah file rekaman video tersebut asli atau hasil editan. Dari hasil yang didapat, tools forevid ini sangat efektif digunakan dalam mengidentifikasi file-file yang diperlukan dalam proses analisis kasus yang terjadi.
Model Deep Learning YOLOv5 untuk Identifikasi Cuaca: Cloudy, Rain, Shine, dan Sunrise Kalambia, Audia Endondaya; Kevin, Geraldy; Saputro, Pujo Hari
Informatik : Jurnal Ilmu Komputer Vol 20 No 3 (2024): Desember 2024
Publisher : Fakultas Ilmu Komputer

Show Abstract | Download Original | Original Source | Check in Google Scholar | DOI: 10.52958/iftk.v20i3.11089

Abstract

Penelitian ini bertujuan untuk mengembangkan model klasifikasi citra cuaca secara otomatis menggunakan arsitektur YOLOv5, khususnya varian ringan YOLOv5n (nano), untuk mengenali empat kelas cuaca: Cloudy, Rain, Shine, dan Sunrise. Dataset yang digunakan terdiri dari kurang lebih 800 gambar yang dikumpulkan secara manual dari sumber daring dan telah dianotasi serta diklasifikasikan ke dalam format YOLO (YOLOv5). Gambar diproses ke resolusi seragam 640×640 piksel sebelum pelatihan model selama 200 epoch dengan batch size 128 menggunakan PyTorch di lingkungan berbasis GPU. Evaluasi model menunjukkan performa tinggi dengan precision rata-rata sebesar 97,2%, recall sebesar 97,5%, serta mAP@0.5 mencapai 99,3%, yang mencerminkan akurasi sangat baik dalam mendeteksi objek dan klasifikasi cuaca. Hasil ini menunjukkan bahwa YOLOv5 efektif untuk tugas klasifikasi multi-kelas pada citra cuaca dan dapat diimplementasikan untuk sistem berbasis visi komputer real-time seperti kendaraan otonom atau sistem pemantauan lalu lintas. Temuan ini juga memperkuat efektivitas transfer learning dari model pralatih YOLOv5 dalam mempercepat konvergensi dan meningkatkan performa model dengan dataset yang relatif kecil.

Page 1 of 1 | Total Record : 5

 1 

Filter by Year

2024 2024


Reset
Filter By Issues
All Issue Vol 21 No 3 (2025): Desember 2025 Vol 21 No 2 (2025): Agustus 2025 Vol 21 No 1 (2025): April 2025 Vol 20 No 3 (2024): Desember 2024 Vol 20 No 2 (2024): Agustus 2024 Vol 20 No 1 (2024): April 2024 Vol 19 No 3 (2023): Desember 2023 Vol 19 No 2 (2023): Agustus 2023 Vol 19 No 1 (2023): April 2023 Vol 18 No 3 (2022): Desember 2022 Vol 18 No 2 (2022): Agustus 2022 Vol 18 No 1 (2022): April 2022 Vol 17 No 3 (2021): Desember 2021 Vol 17 No 2 (2021): Agustus 2021 Vol 17 No 1 (2021): April 2021 Vol 16 No 3 (2020): Desember 2020 Vol 16 No 2 (2020): Agustus 2020 Vol 16 No 1 (2020): April 2020 Vol 15, No 3 (2019): Desember 2019 Vol 15 No 3 (2019): Desember 2019 Vol 15 No 2 (2019): Agustus 2019 Vol 15, No 1 (2019): April 2019 Vol 15 No 1 (2019): April 2019 Vol 14 No 3 (2018): Desember 2018 Vol 14 No 2 (2018): Agustus 2018 Vol 14 No 1 (2018): April 2018 Vol 1, No 1 (2018): Informatik More Issue